Sie sind hier: Startseite Aktuelles Nachrichten Zeitreihen-Netzwerke: "Chaotische Datenmassen in etwas Sinnvolles verwandeln“

Zeitreihen-Netzwerke: "Chaotische Datenmassen in etwas Sinnvolles verwandeln“

04.02.2019 - Zum ersten Mal hat jetzt ein internationales Team von Wissenschaftlern einen umfassenden Überblick zu Studien über Zeitreihennetzwerke veröffentlicht. Der Bericht erschien in Physics Reports, einer der auf ihrem Gebiet führenden Fachzeitschriften. Während sowohl die nichtlineare Zeitreihenanalyse als auch die Theorie komplexer Netzwerke weithin als etablierte Forschungsgebiete gelten, ist die Kombination beider Ansätze inzwischen zu einem aktiven Feld des wissenschaftlichen Fortschritts geworden. Die Autoren des Überblicksartikels diskutieren auf mehr als 80 Seiten drei Hauptansätze. Beispiele, die die Autoren aufgreifen, reichen von der Klimatologie über die Neurophysiologie bis hin zur Ökonomie. Das Team wurde von Yong Zou von der East China Normal University, Shanghai, geleitet; alle weiteren Autoren kommen aus dem Potsdam-Institut für Klimafolgenforschung (PIK), darunter auch Jürgen Kurths, Co-Chef der Abteilung Komplexitätsforschung.
Zeitreihen-Netzwerke: "Chaotische Datenmassen in etwas Sinnvolles verwandeln“

Netzwerkdarstellung von Zeitreihen aus dem Lorenzsystem, einem Modell, das atmosphärische Zirkulationsdynamik beschreibt (Quelle: Zou et al, 2019)

"Zeitreihennetzwerke sind eine Möglichkeit, Muster aus Daten mit sehr großem Volumen oder großer Vielfalt zu extrahieren“, sagt Jürgen Kurths vom PIK. „Künstliche Intelligenz erzeugt Daten in neuer Komplexität und führt zu einer neuen Ära der Big Data. Fortschrittliche interdisziplinäre Datenanalyseverfahren helfen, die verborgenen Strukturen inmitten ansonsten chaotischer Datenpunkte zu erfassen, einschließlich Ansätze aus den Bereichen maschinelles Lernen, Data Mining, Statistik, Sprache und Textverarbeitung. In der Folge verwandeln wir die chaotischen Datensätze in etwas Sinnvolles, was es uns ermöglicht, bessere und schnellere Entscheidungen zu treffen." Die Kombination von Netzwerk- und Zeitreihenanalyse ergänzt die verfügbaren Ansätze und ermöglicht eine zuverlässigere Erkennung kausaler Wechselwirkungen im Klimasystem, das Aufdecken von Kipppunkten und Frühwarnsignalen in einer sich verändernden Welt oder auch die Vorhersage von El Niño-Ereignissen.

Das Potsdam-Institut plant, den Einsatz künstlicher Intelligenz zur Analyse großer Datenmengen auszubauen, um besser zu verstehen, wie Klimafolgen die Menschen vor Ort treffen, und wie diese auf solche Schocks reagieren. Dies könnte dazu beitragen, dass man die Bevölkerung in Zukunft vor solchen Risiken besser schützen kann.

Artikel: Yong Zou, Reik V. Donner, Norbert Marwan, Jonathan F. Donges, Jürgen Kurths (2019): Complex network approaches to nonlinear time series analysis. Physics Reports 787 [DOI: /10.1016/j.physrep.2018.10.005]

Weblink zur Studie: https://doi.org/10.1016/j.physrep.2018.10.005

Artikelaktionen

Contact PR

Für weitere Informationen wenden Sie sich bitte an die PIK-Pressestelle:
Tel.: +49 (0) 331 288 2507
E-Mail: presse(at)pik-potsdam.de

Möchten Sie unsere Nachrichten per RSS Feed abonnieren?
RSS Feed rss feed